Question

我正在编写词汇表模块 - 它必须在文本中找到已知单词并通过链接替换它。如果它是链接ancor（<a href="...">word</a>）或属性（<span class="word">...</span>），则不得替换word。

我写了代码：

$x = '<div>DVB-S2. DVB-S. DVB-S2DVB-S <sss DVB-S2 /> DVB-S2 <a href="dd">DVB-S2</a> DVB-S2 Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>';

$word = 'Hot Bird 8';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

$word = 'DVB-S2';
$x = preg_replace("'(?<=[\s\>])(" . $word . ")(?=[^\d\w\-])(?!([^<]+)?>)'is", "<a href=\"s2\">$1</a>", $x);

echo $x;

但它将<a href="dd">DVB-S2</a>替换为<a href="dd"><a href="s2">DVB-S2</a></a>。

我该如何解决？

Answer 1

你需要将其分解为三个规则：

Word的双边由非单词字符或BO [SL] / EO [SL]分隔。
Word不在＆lt;之间。及其匹配＆gt;。
Word不介于和之间。

对于规则（1），我们需要一个积极的前瞻和后视：

(?<=^|\W)word(?=\W|$)

\W捕获非单词字符，除了字母，数字和下划线之外的其他内容。这与您的版本不完全相同，但您可以根据需要进行调整。 \b也可能是个不错的选择，在这种情况下你不需要插入符号和美元符号。

现在，为规则（2）添加负面的lookbehind：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)

当单词前面有<和任何非>字符时，即当它位于任何HTML标记的中间时，这会阻止匹配。

现在，为规则（3）添加否定前瞻：

(?<!<[^>]*)(?<=^|\W)(DVB-S2)(?=\W|$)(?!</a>)

这可以防止匹配单词后立即后跟</a>。这不是一个完美的解决方案，因为该单词可能不是链接文本的唯一部分，但它可能足够接近您的情况，并且它通过您的测试用例。在单个表达式中可能有一种比这更精确的方法，但目前没有任何想法。

以上所有内容都是用.NET-dialect正则表达式编写的，我假设PHP足够相似，可以为你工作。

Answer 2

这是我得到的，我希望它有效

   echo preg_replace("@((?!<a\s*[^<>]*>.*?))($word)((?!</a>.))@i",'$1<a href="">$2</a>$3',$html) . chr(10);

将输出

<div><a href="">DVB-S2</a>. DVB-S. <a href="">DVB-S2</a>DVB-S <sss <a href="">DVB-S2</a> /> <a href="">DVB-S2</a> <a href="dd">DVB-S2</a> <a href="">DVB-S2</a> Hot bird 6/Hot Bird 8/Hot bird 9, 13.0</div>

用于术语表替换的正则表达式

2 个答案: